数据结构
网络
关系数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法律研究更改 Pandas DataFrame 中一个或多个列的数据类型
很多时候，我们可能需要转换 Pandas 数据框中一个或多个列的数据类型以适应某些计算需求。Pandas 中有一些内置函数或方法可以实现这一点。
使用 astype()
使用 astype() 方法，我们可以将新的数据类型应用于 Pandas 数据框中现有的列或所有列。在下面的示例中，我们将所有现有列转换为字符串数据类型。
示例
import pandas as pd
#Sample dataframe
df = pd.DataFrame({
'DayNo': [1, 2, 3, 4, 5,6,7],
'Name': ['Sun', 'Mon', 'Tue', 'Wed', 'Thu','Fri','Sat'],
'Qty': [2.6, 5, 11.8, 2, 5.6,0,0.25]})
# Exisitng Data types
print(df.dtypes)
#Convert to string data type
df_str = df.astype(str)
# Verify the conversion
print("***After Conversion***")
print(df_str.dtypes)输出
运行以上代码，我们将得到以下结果：
DayNo int64 Name object Qty float64 dtype: object ***After Conversion*** DayNo object Name object Qty object dtype: object
使用 to_numeric()
我们可以使用 to_numeric() 将数据框中当前标记为字符串的数字转换为数值型。
示例
import pandas as pd
# Example dataframe
df = pd.DataFrame({
'DayNo': [1, 2, 3, 4, 5,6,7],
'Name': ['Sun', 'Mon', 'Tue', 'Wed', 'Thu','Fri','Sat'],
'Qty': [2.6, 5, 11.8, 2, 5.6,0,0.25]})
df_str = df.astype(str)
print(df_str.dtypes)
#Applying conversion
print("After Conversion:")
df_num = pd.to_numeric(df_str.DayNo)
print('DayNo:',df_num.dtypes)运行以上代码，我们将得到以下结果：
输出
DayNo object Name object Qty object dtype: object After Conversion: DayNo: int64
使用 infer_objects()
这是一种软转换方法，我们可以将数据框中具有对象数据类型的列转换为更具体的类型。
示例
import pandas as pd
# Example dataframe
df = pd.DataFrame({
'DayNo': [1, 2, 3, 4, 5,6,7],
# 'Name': ['Sun', 'Mon', 'Tue', 'Wed', 'Thu','Fri','Sat'],
'Qty': ['2.6', '5', '11.8', '2', '5.6','0','0.25']}, dtype='object')
print(df.dtypes)
#Applying conversion
print("After Conversion:")
df_new = df.infer_objects()
print(df_new.dtypes)运行以上代码，我们将得到以下结果：
输出
DayNo object Qty object dtype: object After Conversion: DayNo int64 Qty object dtype: object
更新于: 2019年8月23日
2K+ 浏览量
广告